Der modifizierte Bodenfeuchte-Index (BFi) stellt ein Maß für die reliefbedingten, potentiellen Feuchteverhältnisse des Bodens dar. Er errechnet sich einerseits aus dem komplexen Reliefparameter Einzugsgebietsgröße, also der potentiell durch Abfluss zur Verfügung stehenden Wassermenge und andererseits aus dem lokalen Reliefparameter Neigung. Die Neigung steuert die Fließgeschwindigkeit und damit die Verweildauer des abfließenden Wassers. Weitere Details zum Verfahren (ohne Modifikation) finden sich bei BÖHNER & KÖTHE (2003). Der modifizierte Bodenfeuchte-Index ist ein leistungsfähiger Reliefparameter. Es gelingt u.a., dass breite Talböden einen einheitlichen hohen Bodenfeuchte-Index aufweisen und nicht wie z.B. bei MOORE et al. (1993) hohe Indizes nur auf die schmalen Abflusslinien in den Talböden konzentriert bleiben (vgl. BÖHNER & KÖTHE 2003). Die Modifikation des Bodenfeuchte-Index besteht in erster Linie in der Gewichtung der Hangneigung. Der verwendete Gewichtungsfaktor beträgt den Wert 2 (Standardwert ist 1). Der relativ hohe Gewichtungsfaktor 2 führt zwar dazu, dass im Bergland der Bodenfeuchte-Index recht undifferenziert ist und bereits die Endmoränen der Geest ähnlich geringe Werte wie das Bergland aufweisen. Dafür sind aber alle sehr flach geneigten Gebiete stark differenziert. Da Niedersachsen überwiegend ein flach geneigtes Relief aufweist und da der Zusammenhang Boden -Relief in grundwassernahen Standorten i.d.R. stärker ist, wurde sich für einen hohen Gewichtungsfaktor entschieden. BÖHNER, J. & KÖTHE, R. (2003): Bodenregionalisierung und Prozeßmodellierung: Instrumente für den Bodenschutz. – Peterm. Geogr. Mitt., 147, 2003/3: 72-82; Gotha.
FFH-Gebiete, Sites of Community Importance, Schutzgebiete gem. Richtlinie 92/43/EWG des Rates vom 21. Mai 1992 zur Erhaltung der natürlichen Lebensräume sowie der wildlebenden Tiere und Pflanzen
In absehbarer Zukunft könnte künstliche Intelligenz (KI) die Arbeit im Naturschutz so selbstverständlich unterstützen, wie es heute bereits Geoinformationsverarbeitung sowie statistische Methoden oder Modelle tun. Gegenwärtig befinden sich die meisten KI-Systeme aber noch im Forschungs- und Entwicklungsstadium. Sie müssen gezielt in Anwendungen von Behörden oder Naturschutzorganisationen überführt werden, um sie weitreichend zugänglich zu machen. Die breiteste Anwendung finden KI-Systeme bislang in der automatisierten Erkennung von Arten sowie in der Fernerkundung. Vielversprechende Methoden gibt es aber auch im Bereich der Modellierung, z. B. von Habitateignungen und Artverbreitungen. Bereits absehbar ist der Einsatz von KI-Systemen für (halb)automatisierte Bewertungen, etwa von Aussterberisiken, sowie der Einsatz als Entscheidungsunterstützungssysteme. Über die Diskussion bestehender Ansätze hinaus werden im zweiten Teil des Beitrags Rahmenbedingungen und Lösungsansätze für den erfolgreichen Einsatz von KI-Systemen im Naturschutz zusammengefasst.
Der modifizierte Bodenfeuchte-Index (BFi) stellt ein Maß für die reliefbedingten, potentiellen Feuchteverhältnisse des Bodens dar. Er errechnet sich einerseits aus dem komplexen Reliefparameter Einzugsgebietsgröße, also der potentiell durch Abfluss zur Verfügung stehenden Wassermenge und andererseits aus dem lokalen Reliefparameter Neigung. Die Neigung steuert die Fließgeschwindigkeit und damit die Verweildauer des abfließenden Wassers. Weitere Details zum Verfahren (ohne Modifikation) finden sich bei BÖHNER & KÖTHE (2003). Der modifizierte Bodenfeuchte-Index ist ein leistungsfähiger Reliefparameter. Es gelingt u.a., dass breite Talböden einen einheitlichen hohen Bodenfeuchte-Index aufweisen und nicht wie z.B. bei MOORE et al. (1993) hohe Indizes nur auf die schmalen Abflusslinien in den Talböden konzentriert bleiben (vgl. BÖHNER & KÖTHE 2003). Die Modifikation des Bodenfeuchte-Index besteht in erster Linie in der Gewichtung der Hangneigung. Der verwendete Gewichtungsfaktor beträgt den Wert 2 (Standardwert ist 1). Der relativ hohe Gewichtungsfaktor 2 führt zwar dazu, dass im Bergland der Bodenfeuchte-Index recht undifferenziert ist und bereits die Endmoränen der Geest ähnlich geringe Werte wie das Bergland aufweisen. Dafür sind aber alle sehr flach geneigten Gebiete stark differenziert. Da Niedersachsen überwiegend ein flach geneigtes Relief aufweist und da der Zusammenhang Boden -Relief in grundwassernahen Standorten i.d.R. stärker ist, wurde sich für einen hohen Gewichtungsfaktor entschieden. BÖHNER, J. & KÖTHE, R. (2003): Bodenregionalisierung und Prozeßmodellierung: Instrumente für den Bodenschutz. – Peterm. Geogr. Mitt., 147, 2003/3: 72-82; Gotha.
Im Rahmen des gemeinsames Bund/Länder-Messprogramm für die Nord- und Ostsee + weitere Überwachungsprogramme wurde der Parameter "Silicium im trockenen Sediment " im Sediment bestimmt.
Im Rahmen des gemeinsames Bund/Länder-Messprogramm für die Nord- und Ostsee + weitere Überwachungsprogramme wurde der Parameter "Silicium im trockenen Sediment " im Sediment bestimmt.
Klassifikation von Baumartengruppen auf Bestandesebene, basierend auf Sentinel2 - Satellitenaufnahmen Die Klassifikation in die 9 in NRW am häufigsten bzw. bestandesbildend auftretenden Baumartengruppen berücksichtigt folgende Klassen: Eichen (Ei), Buchen (Bu), Buntlaubhölzer (hALH), Weichlaubhölzer (wALN), Pappeln, Kiefern, Lärchen, Fichten und Douglasien (siehe Legende). Die Klassifikation erfolgte durch ein Verfahren künstlicher Intelligenz (rekurrentes neuronales Netzwerk), das anhand von Forsteinrichtungsdaten aus den Waldflächen des landeseigenen Forstbetriebes in NRW trainiert wurde. Das Verfahren wurde im Auftrag des Ministeriums für Landwirtschaft und Verbraucherschutz des Landes NRW (MLV NRW) entwickelt. Zur Erkennung der Baumarten anhand ihrer Phänologie und zur Gewährleistung möglichst wolkenfreier Verhältnisse wurden Zeitreihen von Satellitenaufnahmen aus den Vegetationsperioden zweier Jahre zwischen dem 03.03.2022 und dem 11.07.2023 ausgewertet. Es wurden dafür insgesamt 516 einzelne Szenen ausgewählt und landesweit zu einem wolkenfreien multitemporalen Mosaik zusammengesetzt (https://www.d-copernicus.de/daten/satelliten/satelliten-details/news/sentinel-2/ ). Bedingt durch die räumliche Auflösung der Sentinel2 - Satellitenaufnahmen von ca. 10 m eignet sich diese Kartenebene für eine Betrachtung auf einer Maßstabsebene von bis zu ca. 1:10.000, nicht größer! Die Darstellung berücksichtigt ausschließlich Baumarten in der Hauptschicht und ist nicht vergleichbar mit einer Forsteinrichtungs- oder Forstbetriebskarte. Mischungen von Baumarten sind durch wechselnde Farben auch innerhalb eines Bestandes gekennzeichnet. Die Angaben zu den Blößen basieren insbesondere auf der Aggregierten Kalamitätskarte im Nadelwald (Stand: Sep 2023). Validierung Die Nutzergenauigkeit ist das entscheidende Merkmal für die Zuverlässigkeit der Karteninformation in der fernerkundungsbasierten Baumartenkarte. Die Nutzergenauigkeit beschreibt eine repräsentative Schätzung für die Wahrscheinlichkeit, dass die in der Baumartenkarte dargestellte Karteninformation (Baumartengruppe) an einem Ort mit der Hauptschicht eines dortigen Bestandes übereinstimmt. Die Nutzergenauigkeit ist für jede ausgewiesene thematische Klasse (Baumartengruppe) unterschiedlich und bestimmt sich aus dem Anteil der oben beschriebenen Referenzdaten aus der Forsteinrichtung mit der entsprechenden Baumartengruppe in der Hauptschicht, im Verhältnis zu allen Referenzpunkten in der Validierungsstichprobe, die durch das neuronale Netz in die entsprechende Baumartengruppe klassifiziert wurden. Die Genauigkeiten unterscheiden sich also zwischen den einzelnen Baumarten in Abhängigkeit von der Häufigkeit, mit der die Baumarten in der Forsteinrichtung vertreten sind. Häufig auftretende Baumarten sind für eine künstliche Intelligenz leichter, seltener auftretende Baumarten (z.B. Pappeln, Douglasien) vergleichsweise schwerer zu erkennen. Die Herstellergenauigkeit dient zur Beurteilung der Klassifikationsgüte ausgehend vom Anteil der Referenzdaten in der Validierungsstichprobe mit der entsprechenden Baumartengruppe, die durch das neuronale Netz korrekt dieser Baumartengruppe zugeordnet wurden. Das F-Maß als allgemeines klassenspezifisches Gütemaß wird durch das harmonische Mittel (Durchschnitt) aus Nutzer- und Herstellergenauigkeit gebildet. Die Gesamtgenauigkeit gibt unabhängig von der Klassenzugehörigkeit den Anteil der Referenzpunkte in der Validierungsstichprobe an, der durch das neuronale Netz korrekt klassifiziert wurde. Ein gängiges und weithin anerkanntes Gütemaß ist Cohen’s κ-Koeffizient, der die Übereinstimmung zwischen den Klassenangaben in den Referenzdaten und den Klassifikationen des neuronalen Netzes auf Basis der Validierungsstichprobe beschreibt. In der praktischen Anwendung liegt der Wertebereich des Koeffizienten zwischen 0 und 1, wobei ein Wert von 1 eine völlige Übereinstimmung der Ergebnisse bedeutet, ein Wert von 0 hingegen eine rein zufällige Übereinstimmung ohne erkennbaren Mehrwert einer Entscheidung des neuronalen Netzes. Nutzergenauigkeit (%) Eiche Buche hALH wALN Pappel Kiefer Lärche Fichte Douglasie 93,8 94,7 91,2 89,2 88,8 97,7 95,9 97,1 88,4 Herstellergenauigkeit (%) 91,0 96,0 91,4 92,7 79,0 97,5 90,7 98,0 76,4 F-Maß (%) 92,3 95,4 91,3 90,9 83,6 97,6 93,2 97,6 82,0 Gesamtgenauigkeit: 95,0 % Cohen’s κ-Koeffizient: 0,938 Tabelle 1: Genauigkeitsangaben aus der statistisch unabhängigen Validierung. Die angegebenen Genauigkeiten wurden aus einer statistisch unabhängigen Validierung anhand der Forsteinrichtungsdaten aus den Staatswäldern bestimmt. Dazu wurde das Klassifikationsergebnis in über 15.000 landesweit zufällig ausgewählten Waldbeständen mit der dort ausgewiesenen einheitlichen Baumart in der Hauptschicht verglichen. Dieser Prozess wurde dreimal an jeweils unterschiedlichen Bildelementen wiederholt. Die angegebenen Prozentwerte geben die relative Häufigkeit (statistische Wahrscheinlichkeit) an, mit der das Klassifikationsergebnis und die in der Hauptschicht ausgewiesene Baumart übereinstimmen. Als Voraussetzung für eine unabhängige Validierung gibt es keine Überschneidung zwischen Trainings- und Validierungsdaten (statistische Unabhängigkeit).
Der Terrain Classification Index = (TCIlow) ist ein dimensionsloser Index im Wertebereich von 0-2. Er überhöht geringste Höhendifferenzen, insbesondere in Tiefenbereichen. Auch bei geringsten Reliefunterschieden werden Gerinne und flache Senken erkennbar. In der Nähe von anthropogenen Bauwerken wie Deichen, Dämmen oder Halden können Reste oder Artefakte die Werte verfälschen. Der Reliefklassifikationsindex TCIlow beruht auf dem nach 10m generalisierten digitalen Höhenmodel von Niedersachsen (DGM1) und wird aus den komplexen Reliefparametern Höhe über Tiefenlinie, Einzugsgebietsgröße und modifizierten Bodenfeuchteindex berechnet (BOCK, BÖHNER, CONRAD, KÖTHE & RINGELER (2007)). BOCK, M., BÖHNER, J., CONRAD, O., KÖTHE, R. & RINGELER, A. (2007): Methods for creating Functional Soil Databases and applying Digital Soil Mapping with SAGA GIS. - In: Hengl, T. et al. (Eds.) Status and prospect of soil information in south-eastern Europe: soil databases, projects and applications. - EUR 22646 EN, 149-163, Scientific and Technical Research series, Office for Official Publications of the European Communities; Luxemburg.
Der Terrain Classification Index = (TCIlow) ist ein dimensionsloser Index im Wertebereich von 0-2. Er überhöht geringste Höhendifferenzen, insbesondere in Tiefenbereichen. Auch bei geringsten Reliefunterschieden werden Gerinne und flache Senken erkennbar. In der Nähe von anthropogenen Bauwerken wie Deichen, Dämmen oder Halden können Reste oder Artefakte die Werte verfälschen. Der Reliefklassifikationsindex TCIlow beruht auf dem nach 10m generalisierten digitalen Höhenmodel von Niedersachsen (DGM1) und wird aus den komplexen Reliefparametern Höhe über Tiefenlinie, Einzugsgebietsgröße und modifizierten Bodenfeuchteindex berechnet (BOCK, BÖHNER, CONRAD, KÖTHE & RINGELER (2007)). BOCK, M., BÖHNER, J., CONRAD, O., KÖTHE, R. & RINGELER, A. (2007): Methods for creating Functional Soil Databases and applying Digital Soil Mapping with SAGA GIS. - In: Hengl, T. et al. (Eds.) Status and prospect of soil information in south-eastern Europe: soil databases, projects and applications. - EUR 22646 EN, 149-163, Scientific and Technical Research series, Office for Official Publications of the European Communities; Luxemburg.
Im Rahmen des gemeinsames Bund/Länder-Messprogramm für die Nord- und Ostsee + weitere Überwachungsprogramme wurde der Parameter "Silicium im trockenen Sediment " im Sediment bestimmt.
| Origin | Count |
|---|---|
| Bund | 1876 |
| Land | 76 |
| Type | Count |
|---|---|
| Ereignis | 3 |
| Förderprogramm | 1749 |
| Text | 96 |
| Umweltprüfung | 2 |
| unbekannt | 87 |
| License | Count |
|---|---|
| closed | 137 |
| open | 1771 |
| unknown | 29 |
| Language | Count |
|---|---|
| Deutsch | 1919 |
| Englisch | 73 |
| andere | 1 |
| unbekannt | 5 |
| Resource type | Count |
|---|---|
| Archiv | 7 |
| Bild | 5 |
| Datei | 5 |
| Dokument | 40 |
| Keine | 1684 |
| Unbekannt | 3 |
| Webdienst | 13 |
| Webseite | 218 |
| Topic | Count |
|---|---|
| Boden | 998 |
| Lebewesen & Lebensräume | 1040 |
| Luft | 869 |
| Mensch & Umwelt | 1937 |
| Wasser | 710 |
| Weitere | 1774 |